資源描述：
《基于壓縮感知的量化方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、獨創(chuàng)性(或創(chuàng)新性)聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或研究成果：也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均己在論文中做了明確的說明并表示了謝意。申請學(xué)位論文與資料若有不實之處，本人承擔一切相關(guān)責(zé)任。本人簽名：蟑日期叢世關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工
2、作的知識產(chǎn)權(quán)單位屬西安電子科技大學(xué)。本人保證畢業(yè)離校后，發(fā)表論文或使用論文工作成果時署名單位仍然為西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)校可以公布論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。(保密的論文在解密后遵守此規(guī)定)本學(xué)位論文屬于保密在一年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期日期棚；，；、g摘要在傳統(tǒng)的信號傳輸中，采樣速率要滿足奈奎斯特采樣定律。在傳輸數(shù)字圖像、視頻等信號時，依照該定律會導(dǎo)致海量采用數(shù)據(jù)，大大增加存儲和傳輸?shù)拇鷥r。近年來，出現(xiàn)了～種新興的理論一壓縮感知為信號處理方式提供了新的思路，它摒棄了先采樣后壓縮的傳
3、統(tǒng)處理方式，利用稀疏信號的特性，通過直接獲取信號的少量線性投影來保留信號的完整信息，并且可以通過稀疏求解方式進行信號的重構(gòu)而直接在采樣的同時實現(xiàn)信息的壓縮，從而在根本上降低了采樣的成本并使更高效的信號處理成為了可能。雖然壓縮感知能有效的降低數(shù)據(jù)量的大小，但是經(jīng)過觀察后的數(shù)據(jù)量化還是很大，量化仍然是壓縮感知中數(shù)據(jù)壓縮的重要一步，有待我們進行深入的研究。本文分析了當前基于壓縮感知的量化方法的一些研究成果，給出其原理并分析了各自的優(yōu)缺點。在此基礎(chǔ)上，將非均勻量化應(yīng)用于壓縮傳感中，根據(jù)傳統(tǒng)的一些非均勻量化方法提出了幾種基于壓縮感知的非均勻量化方法，通過仿真檢驗這些方法的性能。本文最后分析了壓縮感知
4、過程中觀察后的測量值的分布特性提出了根據(jù)測量值分布特性的分段非均勻量化方案，并在理論上分析了其優(yōu)點，經(jīng)仿真驗證，在相同的量化級數(shù)下，該方案擁有更高的PSNR。相比于均勻量化和其它幾種非均勻量化，在相同的PSNR下，該方案所需的量化比特更小，帶寬利用率更高，壓縮比更大。關(guān)鍵詞：壓縮傳感量化非均勻量化AbstractInthetraditionalprocessofdatatransmission，thesamplingfrequencymustconformtotheNyquistLaw．Inthetransmissionofdigitalimageandvideosignal，meetin
5、gupwiththetheoryleadstogreatcostinstorageandtransmission．Inrecentyears，arisingtheoryappears，whichiscompressivesensing．Thisnewmethodoffersnewwaysinsignalprocessing．Itutilizesthepropertyofthesparsesignaltoobtainthecompleteinformationbyacquiringthesmallmountmessageofthelinearpr硝ecfiondirectly．Besides
6、itcancompresstheinformationsimultaneouslywhensamplingbyresolvingtheparseformulationtorebuildit．Asaresult，itmakessamplingeasierandprocessingoftheinformationmoreefficient．Althoughcompressedsensingcaneffectivelyreducethesizeoftheamountofdatatoquantify，buttheobserveddataisstillverylarge，quantification
7、isstillcompressionperceivedanimportantstepindatacompression，needtoconductin—depthresearch．Finally，itpresentssomeachievementsofquantizationinthebaseofthecompressivesensingandtheirproperty．Second，uniformquantizatio
